论文部分内容阅读
密码技术在安全方面的欠缺刺激了生物模式识别的研究。作为生物模式识别技术之一的离线签名验证,因其方便、有效、从笔迹中提取信息不侵犯隐私而被广泛接受。人工笔迹鉴定的主要任务是签名验证,而目前的自动签名验证尚不能达到人工鉴定的正确率,二者的差异主要表现在特征的选择和评判方式两个方面。在特征的选择上,人工笔迹鉴定注重局部特征,而自动签名验证多用全局特征。在评判方式上,人工笔迹鉴定采用先评估异同点的价值,再综合评判的方法,而自动签名验证,没有特征价值的评估,将提取的所有特征一并输入分类器。在签名验证各阶段的算法中,影响验证正确率的因素主要有三个方面。其一是图像预处理方法不当,在字符切分、大小归一化、倾斜校正以及签名图像的细线化时会丢失签名特征。其二是特征的组织与处理不当。特征不分组导致大数主导判决结果,特征向量的归一化会降低其鉴别能力。第三是分类器设计中没有对不同特征的价值进行评估,所有的特征被同等对待。本文通过借鉴文检专家的经验,对离线签名验证的图像预处理、特征提取与分组以及分类器的设计都进行了改进,建立了一个基于多专家分类器的投票表决系统。本文主要工作及创新如下:⒈在签名图像的预处理阶段,详细分析了目前预处理算法中存在的问题,提出用基于数学形态学的笔划粗细归一化方法代替目前常用的细线化。实验表明,笔划归一化既消除了签名图像因书写工具的不同而造成的差异,又保留了作者签名时笔划的细节。⒉在特征提取阶段,对字间组合特征进行了研究,提取了反映签名连笔特征的连通分量和孔洞数目,利用签名图像的投影,提取了表现笔划密度特征的均值、方差、歪斜度和峰度。⒊详细分析了特征向量中大数对判决结果的主导及特征向量归一化的利弊,提出按特征的不同数量级进行分组。将所有特征分为三个级别,分级验证,避免了维数过高和大数主导判决结果的影响,实验表明正确率明显提高。⒋学习文检专家人工鉴定的方法,提出了由三个“专家分类器”组成的“投